پایان نامه بخشبندی اتوماتیک دندان‌ها با استفاده از تصاویر X-ray
فرمت فایل دانلودی: .docxفرمت فایل اصلی: docx
تعداد صفحات: 83
پایان نامه بخشبندی اتوماتیک دندان‌ها با استفاده از تصاویر X-ray
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 83 صفحه
چکیده
یکی از پیچیده‌ترین کار‌ها در پردازش تصاویر دیجیتال، بخشبندی تصاویر است. به‌دلیل افزایش توجه به این تکنیک توسط محققان و تبدیل آن به یک نقش حیاتی در بسیاری از زمینه‌های کاربردی مثل کاربرد‌های پزشکی مورد استفاده قرار می‌گیرد. امروزه در دندان‌پزشکی مدرن، تکنیک‌های مبتنی بر استفاده از کامپیوتر مانند طرح‌ریزی و برنامه‌ریزی پیش از عمل جراحی، روز به روز توسعه می‌یابند. به منظور دست‌یابی و اجرای پروسه‌های ذکر شده، بخشبندی اتوماتیک دندان‌ها از مراحل مهم و اولیه می‌باشد. در این پایاننامه یک روش چند مرحله‌ای جهت بخشبندی خودکار دندان‌ها در تصاویر دیجیتال دندانی ارائه شده‌است.
هدف اصلی در این پایاننامه استفاده از زیرباند‌های ضرایب موجک برای بهبود بخشبندی است. هر یک از این زیرباند‌ها حاوی اطلاعات مهمی هستند که می‌توان از آنها در بخشبندی تصاویر استفاده کرد. این اطلاعات مهم در بخشبندی تصاویر نادیده گرفته شده‌است. ایده اصلی این است که این اطلاعات را به‌شیوه‌ای بهتصویر اصلی اضافه کرد. زیرباند‌های ضرایب موجک با استفاده از روش‌های ادغام به اولین زیرباند از ضرایب تبدیل موجک، مربوط به ضرایب تقریب است که از لحاظ مقدار و شکل ظاهری، به تصویر اصلی نزدیک‌تر است، اضافه می‌شوند. بعد از آن عکس تبدیل موجک انجام می‌شود. در این حالت تصویر به‌دست آمده شامل اطلاعات بیشتری نسبت به تصویر اصلی است و بخشبندی بهتر و دقیق‌تر انجام می‌شود.
در این پایاننامه برای بخشبندی تصاویر رادیولوژی دندانی از الگوریتم EM استفاده شده‌است که برای بهبود این الگوریتم از الگوریتم k-means برای تخمین اولیه پارامتر‌های الگوریتم EM استفاده شده‌است. این الگوریتم علی‌رغم سادگی آن یک روش پایه برای بسیاری از روش‌های خوشه‌بندی دیگر محسوب می‌شود. از عملگرهای مورفولوژیکال برای بهبود بخشبندی استفاده شده‌است.
کلمات کلیدی: بخشبندی، تبدیل موجک، الگوریتم EM، الگوریتم K-means، عملگرهای مورفولوژیکال
فهرست مطالب
۱٫ فصل اول 1
۱-۱-مقدمه 2
۱-۲-بخشبندی 3
۱-۲-۱-مبانی بخشبندی 4
۱-۲-۳-آستانه‌گیری 6
۱-۲-۴-بخشبندی مبتنی برناحیه 7
۱-۲-۴-۱-رشد ناحیه 8
۱-۲-۴-۲-بخشبندی با استفاده از الگوریتم آبپخشان 9
۱-۲-۵-بخشبندی بر اساس نظریه گراف 12
۱-۲-۶-خوشه‌بندی فازی 14
۱-۲-۷-ماتریس هم رخداد 14
۱-۲-۸- کلاسبندی ماشین بردار پشتیبان 15
۱-۲-۹-خوشه بندی سلسله مراتبی 17
۱-۲-۱۰-روش خوشه‌بندی K-means 23
۱-۲-۱۱-راهکارهای گذشته برای بخشبندی تصاویر دندان 24
فصل دوم 28
۲-۱-حذف نویز 29
۲-۲-تبدیل موجک 30
۲-۲-۱-هرم‌های تصویری 32
۲-۲-۲-رمزگذاری باند جزیی 34
۲-۲-۳-تبدیل هار 35
۲-۲-۴-بسط چنددقتی 36
۲-۲-۵-توابع مقیاس بندی 36
۲-۲-۶-توابع موجک 37
۲-۲-۷-تبدیل موجک گسسته 38
۲-۱-۸- تبدیلات موجک در دو بعد 40
۲-۳-الگوریتمEM 43
۲-۴-عملگرهای مورفولوژیکال 45
فصل سوم 47
۳-۱-مقدمه 48
۳-۲-تصاویر رادیوگرافی 48
۳-۳-کاهش نویز 50
۳-۴- بخشبندی با استفاده از تبدیل موجک و الگوریتم EM 50
۳-۵-بخشبندی تصاویر دندانی با استفاده از تبدیل موجک و الگوریتم EM 52
۳-۶-ادغام ویژگیها در پردازش تصویر 55
۳-۷-نتیجه‌گیری: 62
۳-۸-راهکارهای آینده 63
منابع 64
واژه‌نامه فارسی به انگلیسی 67
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.
